De verhuismobiliteit van de lage middeninkomens in de huursector
Jurjen Hellinga Juli 2012 Masterthesis
Vastgoedkunde
1
De verhuismobiliteit van de lage middeninkomens in de huursector
Masterthesis 19-7-2012
Naam: Jurjen Hellinga
Studentnummer: 1552104
Adres: Sophiastraat 27/13
Universiteit: Rijksuniversiteit Groningen
Faculteit: Ruimtelijke wetenschappen
Opleiding: Master Vastgoedkunde
Begeleider: Prof. dr. ir. A.J. Van der Vlist
Adres: Landleven 1
9749 AD Groningen
2
Voorwoord
Voor u ligt mijn afstudeeronderzoek ter afronding van de Master Vastgoedkunde aan de faculteit Ruimtelijke Wetenschappen aan de Rijksuniversiteit Groningen. Een afstudeeronderzoek waar ik de laatste maanden intensief aan gewerkt heb. Tijdens mijn studie ben ik er achter gekomen dat ik geïnteresseerd ben in de werking van de woningmarkt en in het bijzonder het middensegment in de huursector. Eén van de redenen om een onderzoek te doen naar de verhuismobiliteit in de huursector is dat ikzelf in een sociale huurwoning woon en ook geclassificeerd kan worden als scheefwoner. De kennis die ik vergaard heb tijdens mijn studie, en in het bijzonder bij het vak Real Estate Research, heb ik gebruikt om een kwantitatief onderzoek te doen naar de reden van verhuismobiliteit voor lage middeninkomens in de huursector. Een combinatie van mijn eigen interesses en situatie met wetenschappelijk onderzoek.
Ik wil mijn begeleider Arno v/d Vlist bedanken voor de goede begeleiding en feedback tijdens het afstudeerproject. Een periode waarin ik veel heb geleerd om op een correcte manier wetenschappelijk onderzoek te doen. Daarnaast wil ik een aantal medestudenten bedanken die mij af en toe hebben geholpen bij problemen rondom mijn scriptie, namelijk Paul Koop, Marten ter Haar & Michiel Daams. Als laatste wil ik mijn vriendin Nelja bedanken, die mij tijdens mijn studie en in het bijzonder tijdens mijn afstuderen altijd heeft gesteund en een kritische blik heeft geworpen op mijn afstudeeronderzoek.
Groningen, juli 2012 Jurjen Hellinga
3
Samenvatting
De huurwoningmarkt is de afgelopen tijd door verschillende media regelmatig besproken. Het gat op de woningmarkt en huurders die te lang in sociale huurwoningen blijven wonen zijn de belangrijkste onderwerpen. Om deze gebrekkige doorstroming op de woningmarkt en het daarmee samenhangende scheefwonen aan te pakken, gaat de overheid maatregelen nemen.
Zo zullen huishoudens met een huishoudinkomen van boven de €43.000 binnen de sociale huursector te maken krijgen met een huurstijging van 5 procent per jaar bovenop de inflatie.
Daarnaast geldt dat corporaties voor minimaal 90 procent van de woningvoorraad moeten verhuren aan huishoudens met een bruto huishoudinkomen tot de liberalisatiegrens van
€34.085.
Ondanks de interesse van de verschillende media is er nog nooit onderzoek gedaan naar de verhuismobiliteit van de lage middeninkomensgroepen. Dit onderzoek probeert hier inzicht in te geven door te kijken naar welke factoren een positieve dan wel negatieve invloed hebben op de verhuismobiliteit. Ter vergelijking worden er binnen de lage middeninkomensgroepen drie inkomensgroepen gemaakt. Om achter deze verhuismobiliteit te komen is kwantitatief onderzoek gedaan aan de hand van de dataset WoOn 2009 van de Rijksoverheid. Op basis van logistische regressie wordt bepaald welke factoren een positieve dan wel negatieve bijdrage leveren aan de verhuismobiliteit. De reden tot verhuizing ontstaat door een verschil tussen de en werkelijke woonsituatie. Deze behoefte ontstaat door een mix van verschillende factoren.
Om de bijdrage van deze factoren op de verhuismobiliteit te kunnen meten is aan de hand van beschikbare literatuur een aantal hypothesen opgesteld. Deze hypothesen worden getest aan de hand van een op basis van logistische regressie samengesteld model. Per inkomensgroep is een model samengesteld, namelijk het bruto huishoudinkomen tot €34.068, van €34.068 t/m
€43.000 en €43.000 t/m €62.000.
Deze modellen zijn samengesteld zodat er vergeleken kan worden tussen de verschillende inkomensgroepen. Daarbij valt op dat de hoogte van het inkomen een negatieve bijdrage levert aan de verhuismobiliteit. Er is geen toename van de verhuismobiliteit als het inkomen toeneemt. In de bestaande literatuur staat juist het tegenovergestelde beschreven.
Binnen de sociale sector profiteren hogere inkomensgroepen van de hoge woonkwaliteit, en zijn niet bereid om dit op te geven. Landsdeel ‘Zuid’ heeft een lagere verhuismobiliteit ten opzichte van ‘West’, dit geldt binnen alle drie de inkomensgroepen. De mensen hebben in mindere mate behoefte om te verhuizen dan de andere landsdelen. Een hoger opleidingsniveau heeft een positieve invloed op de verhuismobiliteit. Alleen in de categorie van huishoudens met een bruto huishoudinkomen van €43.000 t/m €62.000 is deze relatie aanwezig maar niet significant. De verbanden die in de modellen beschreven worden zijn nagenoeg allemaal significant en hebben alle drie een zwak tot matig voorspellende waarde voor de afhankelijke variabele.
Verwacht mag worden dat overheidsmaatregelen aangaande de huurverhoging binnen de sociale huursector in eerste instantie weinig effect zullen hebben. Naarmate de huur per maand toeneemt, treedt er geen positief effect op ten aanzien van de verhuismobiliteit. Aangezien het onderzoek op één moment in de tijd meet kunnen er geen uitspraken worden gedaan over het verloop van deze maatregel in de tijd.
4
Inhoudsopgave
Voorwoord ... 2
Samenvatting ... 3
Inhoudsopgave ... 4
H1 Inleiding ... 5
1.1 Aanleiding 5
1.2 Probleem-, doel- en vraagstelling 6 1.3 Deelvragen en onderzoeksopzet 6 1.4 Conceptueel model 7
H2 Huidige situatie woningmarkt ... 8
2.1 Economisch klimaat 8
2.2 Demografische cijfers 8
2.3 Vergrijzing 9
2.4 Huurvoorraad 10 2.5 Woningbehoefteontwikkeling 12 2.6 Verhuisplannen 13 2.7 Verhuisbewegingen 14 2.8 Interventies op de woningmarkt 16 2.9 Stakeholders huurmarkt 16 2.10 Aanbieders 17 H3 Theoretische achtergrond ... 18
3.1 Gereguleerde woningmarkt 18
3.2 Variabelen van invloed op verhuismobiliteit 19
3.3 Hypothesen 21 H4 Operationaliseren data ... 22
4.1 Data operationalisering en determinanten van kwaliteit 22 4.2 Afhankelijke variabele 22 4.3 Onafhankelijke variabelen 23
4.4. Empirisch model 26 H5 Resultaten ... 28
5.1 Resultaten analyse 28
H6 Conclusie & discussie ... 33
6.1 Conclusie 33 6.2 Discussie & aanbeveling 34 6.3 Reflectie 35 Literatuurlijst ... 36
Bijlage ... 38
Begrippen 38 Syntax 38
5
H1 Inleiding
1.1 Aanleiding
Om de gebrekkige doorstroming op de woningmarkt en het daarmee samenhangende scheefwonen aan te pakken, gaat de overheid maatregelen nemen. Huishoudens met een bruto huishoudinkomen van boven de €43.000 binnen de sociale huursector krijgen te maken met een huurstijging van 5 procent per jaar bovenop de inflatie. Daarnaast geldt dat corporaties voor minimaal 90 procent van de woningvoorraad moeten verhuren aan huishoudens tot de liberalisatiegrens van €34.085. Daarmee raakt een grote groep lage middeninkomens in de huursector in de problemen (Rigo, 2010). Deze lage middeninkomensgroep wordt geclassificeerd vanaf de liberalisatiegrens €34.085 tot €43.000, dat staat voor €1850,- tot
€2250,- netto per maand. Binnen deze groep vallen 900.000 huishoudens (VROM, 2011).
Volgens de Vereniging voor Ontwikkelaars & Bouwondernemers (NVB, 2011) blijkt dat veel woningzoekenden grote moeite hebben om een passende en betaalbare woning te vinden.
Volgens Van Asselt (2009) zijn er te weinig woningen in het middensegment om door te kunnen stromen. Het ontbreken van dit middensegment in de huursector vormt een belemmering voor de doorstroming van de woningmarkt (Conijn, 2011). Van Asselt (2009) schrijft dat er zowel een kwantitatieve- als kwalitatieve mismatch is. Er zijn te veel appartementen en te weinig eengezinswoningen in het middensegment. In 2008 heeft 30 procent van de huurders een hoger inkomen dan €33.614, daarvan woont twee derde in een woning met een huur tot €550,- per maand. Als alleen naar de inkomensgroep van €33.614 tot €43.000 wordt gekeken, dan is dit percentage 13 procent. Binnen de huursector is in de prijsklasse van €652,- tot €850,- maar 5,2 procent aanbod, dat duidt op een tekort in het middensegment (Conijn, 2011). Voor deze huishoudens vormen de geliberaliseerde corporatiesector, de particuliere huursector en de koopsector in veel gevallen geen betaalbaar, toegankelijk en/of kwalitatief acceptabel alternatief voor de sociale huursector (VROM, 2011).
Uit de bestaande literatuur blijkt dat de huishoudens in de sociale huursector een lage verhuismobiliteit kennen (Gyourko & Linneman, 1989; Ault, 1994; Basu, 2000). De verhuismobiliteit weerspiegelt het aanpassingsproces tussen vraag en aanbod op de woningmarkt (Hassink & van Leuvensteijn, 2011). Van de verhuismobiliteit vindt ongeveer 70 procent plaats binnen dezelfde gemeente (Everaers & Davis, 1993). Hierbij verschilt de precieze woningmarktsituatie van deze huishoudens per stad of regio (Konter & van den Booren, 1988;
Van Kempen et al. 1990). Basu (2000); Boheim & Taylor (2002) en van Ommeren & van Leuvensteijn (2005) laten zien dat veranderingen van inkomen en regionale huizenprijzen mogelijk leiden tot een toename in verhuismobiliteit. Het inkomen beïnvloedt de mate waarin mensen in staat zijn om te verhuizen. Naarmate het inkomen stijgt, stijgt ook het aanbod waaruit te kiezen valt (Mulder & Hooimeijer, 1999). Fang (2006) laat zien dat de combinatie van beperkte economische mogelijkheden en een gebrek aan keuzes op de woningmarkt het voor mensen moeilijk maakt om ook daadwerkelijk te verhuizen, ook al is er wel de intentie. Uit onderzoek in de Verenigde Staten blijkt dat jongere mensen eerder hun intenties om te verhuizen waarmaken dan ouderen (Lu, 1998; Kan, 1999; Crowder, 2001). En huurders hebben ten opzichte van huiseigenaren minder vaak de behoefte om de intentie van verhuizen te verwezenlijken (Lu, 1998; Kearns & Parkes, 2003). Voor de mate van doorstroming van een persoon naar een nieuw huis is het belangrijk of iemand wil verhuizen naar een huur- of
6 koopwoning. De transactiekosten die betrokken zijn bij het kopen van een huis kunnen fungeren als een belemmering voor de verhuismobiliteit (Mulder, 2011).
Het effect van deze maatregelen van de overheid op de verhuismobiliteit van deze inkomensgroep is nog niet eerder onderzocht binnen de wetenschappelijke literatuur. Dit onderzoek heeft als doel de verhuismobiliteit van de lage middeninkomensgroepen in kaart te brengen op basis van de ‘stated preference’ van de huishoudens. Ter vergelijking wordt gekeken naar de inkomensgroepen tot €34.085 en van €43.000 tot €62.000.
1.2 Probleem-, doel- en vraagstelling
De in paragraaf 1.1 beschreven aanleiding leidt tot de volgende probleem-, doel- en vraagstelling.
Probleemstelling:
Er is geen inzicht in de verhuismobiliteit van huishoudens in de lage middeninkomens €34.085-
€43.000) op de huurwoningmarkt. Welke variabelen hebben invloed op het verhuisgedrag van deze huishoudens?
Doelstelling:
Inzicht geven in de verhuismobiliteit van huishoudens in de lage middeninkomens €34.085-
€43.000) op de huurwoningmarkt. Welke variabelen hebben invloed op het verhuisgedrag van deze huishoudens?
Vraagstelling:
“Wat is de verhuismobiliteit van huishoudens die in de lage middeninkomensgroep (€34.085 -
€43.000) vallen, welke factoren spelen een rol bij deze verhuismobiliteit?”
1.3 Deelvragen en onderzoeksopzet
Om de vraagstelling te kunnen beantwoorden is een viertal onderzoeksvragen opgesteld, met de daarbij behorende aanpak van de onderzoeksvraag.
1. Wat is de huidige situatie op de woningmarkt, en hoe valt de situatie van de lage middeninkomens te schetsen?
Een kenschets van de woningmarkt om het probleem van de huishoudens met een huishoudinkomen van €34.085-€43.000 op de woningmarkt te verduidelijken. Er wordt gekeken naar de aanbodzijde en de vraagzijde van de markt op basis van bestaande cijfers en literatuur, gepubliceerd door ABF Research, het CBS en de NVB. De vraagzijde wordt afgeleid aan de hand van demografische en sociaaleconomische cijfers. De aanbodzijde zal beschreven worden vanuit woningvoorraadcijfers.
2. Welke theoretische achtergrond kan worden gebruikt voor dit onderzoek?
Een referentiekader stellen waarbinnen dit onderzoek plaats zal vinden. Theorie en empirische literatuur zullen worden samengevat.
7 De werking van de gereguleerde huurwoningmarkt wordt uitgelicht. De variabelen die van invloed zijn op de verhuismobiliteit worden afgeleid aan de hand van de determinanten van kwaliteit. Daarnaast wordt de verhuismobiliteit uitgelicht aan de hand van het ‘cost-benefit’ model en het ‘value-expectancy’ model.
3. Wat is de verhuismobiliteit van de huishoudens die binnen de lage middeninkomensgroep vallen?
Voor de beschrijvende analyse wordt gebruik gemaakt van de dataset “Woon Onderzoek Nederland 2009” (WoOn2009), dat het CBS onder ruim 78.000 personen van 18 jaar en ouder uitvoerde in opdracht van het toenmalige ministerie van Volkshuisvesting, Ruimtelijke Ordening en Milieubeheer (VROM). Er wordt vanuit gegaan dat de aanpassing van de woonsituatie aan de veranderingen in de huishoudensituatie het belangrijkste motief is voor een verhuizing (Rossi 1955, Leslie &
Richardson 1961, Michelson 1977). Uit resultaten van onderzoek naar het verband tussen inkomen en verhuisgedrag, blijkt dat het zinvol is om bij verhuisgedrag uit te gaan van het huishoudeninkomen in plaats van het persoonsinkomen (Teule, 1996).
De verhuiswens wordt als afhankelijke variabele genomen en de onafhankelijke variabelen zijn samengesteld aan de hand van de determinanten van kwaliteit, namelijk:
woningkarakteristieken, huishoudeigenschappen en omgevingsfactoren.
4. Welke conclusies kunnen getrokken worden op basis van dit onderzoek en welke aanbevelingen kunnen worden aangedragen?
In dit onderdeel zal ruimte zijn voor de resultaten die gevonden zijn van de analyse in hoofdstuk 3. Hoe ziet de verhuismobiliteit van huishoudens in de lage middeninkomens (€34.085- €43.000) er werkelijk uit? Hoe verhoudt deze zich tot de andere inkomensgroepen binnen de lage middeninkomens. En zijn er verschillen op te merken tussen de landsdelen in Nederland?
1.4 Conceptueel model
Figuur 1.1 conceptueel model. Bron: eigen bewerking (2012) Bruto
Huishoudinkomen
>€34.068
Maatregelen overheid
Doorstroming woningmarkt?
Verhuismobiliteit
Welke variabelen zijn van invloed?
Data analyse WoOn 2009 Bruto
Huishoudinkomen
<€34.068
Sociale Huur
8
H2 Huidige situatie woningmarkt
2.1 Economisch klimaat
Voor de woningmarkt is het economisch klimaat van belang, deze vormt de basis voor de financiële situatie van de consument. Uit figuur 2.1 blijkt de schommeling van het economisch klimaat extremer te zijn dan het consumentenvertrouwen en de koopbereidheid. Met de intrede van de financiële crisis in 2007 dalen de drie indicatoren. Vanaf 2009 is herstel te zien, maar vanaf 2010 is opnieuw een daling zichtbaar in het economisch klimaat en het consumentenvertrouwen. De koopbereidheid daalt licht en stijgt vanaf 2010 gematigd (CBS, 2012).
Figuur 2.1: Consumentenvertrouwen, Economisch klimaat en koopbereidheid 2011, Bron: Statline, Centraal Bureau voor de Statistiek (2012)
2.2 Demografische cijfers
Nederland telt in november 2011 16,73 miljoen inwoners (CBS, 2011). Volgens de Primos prognose zal de Nederlandse bevolking de komende dertig jaar nog toenemen met 1,1 miljoen mensen, dat is een groei van 7,6 procent (ABF Research, 2011). De natuurlijke bevolkingsgroei neemt echter al eerder af, de minimale bevolkingsgroei wordt dan veroorzaakt door migratie. In 2040 zal het migratiesaldo niet meer voldoende zijn om het sterfteoverschot te compenseren, waardoor de bevolkingsomvang zal dalen (ABF Research, 2011). In Nederland zijn sterke regionale verschillen, zo zullen de provincies Noord-Holland, Zuid-Holland en Utrecht bijna 70 procent van de groei van de bevolking vertegenwoordigen in de komende twintig jaar.
Er zijn in totaal 7,47 miljoen huishoudens in Nederland en dit zal groeien naar 7,88 miljoen in 2020 en naar 8,23 miljoen in 2030 (Vastgoedmonitor, 2012). Tot 2017 zal het aantal huishoudens met 50.000 huishoudens per jaar groeien (ABF Research, 2011). Het aantal huishoudens groeit relatief gezien sneller dan het aantal personen, dit betekent dat huishoudens gemiddeld steeds kleiner worden. De gemiddelde huishoudensgrootte was in 2010 2,22. Een verdere daling wordt verwacht naar 2,13 in 2020 en naar 2,09 in 2030. De groei van de huishoudens vindt voornamelijk plaats binnen de groep alleenstaanden. Van de in totaal
-60 -40 -20 0 20
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Indicator
Consumentenvertrouwen, Economisch klimaat
& Koopbereidheid
Consumentenvertrouwen Economisch klimaat Koopbereidheid
9 965.000 huishoudens die er in de periode 2010-2030 bijkomen is twee derde alleenstaand. Het gevolg hiervan is dat de bevolking zowel absoluut als relatief meer woningen zal vragen (ABF Research, 2011).
2.3 Vergrijzing
In figuur 2.2 is te zien dat het percentage 65 jaar of ouder de komende dertig jaar toe zal nemen. Het aandeel nul tot twintig jaar daalt in 2030 rond 20 procent van de totale bevolking om daarna stabiel te blijven.
Figuur 2.2 Prognose leeftijdsopbouw Nederland tot 2060 Bron: Statline, Centraal Bureau voor de Statistiek (2011)
Uit figuur 2.3 is op te maken dat de grijze druk op de bevolking toeneemt. Volgens de definitie van het CBS (2012) staat grijze druk voor “De verhouding tussen het aantal personen van 65 jaar of ouder en het aantal personen van 20 tot 65 jaar”. In de komende 20 jaar zal het percentage 65-plussers stijgen van 15 procent van de bevolking in 2010 naar 24 procent in 2030. De groene druk “De verhouding tussen het aantal personen van 0 tot 20 jaar ten opzichte van de personen in de zogenaamde 'productieve' leeftijdsgroep van 20 tot 65 jaar” (CBS, 2012), blijft stabiel rond 40 procent.
Figuur 2.3 Prognose groene/grijze druk. Bron: Primos Prognose (2011) 0%
20%
40%
60%
80%
100%
2011 2020 2030 2040 2050 2060
Percentage
Prognose leeftijdsopbouw Nederland tot 2060
0 tot 20 jaar 20 tot 65 65 jaar of ouder
0 20 40 60
2015 2020 2025 2030 2035 2040 2045 2050 2055 2060
Percentage (%)
Prognose groene en grijze druk 2015-2060
Groene druk Grijze druk
10
0 500 1.000 1.500 2.000 2.500
Sociaal Particulier
Aantal (x 1.000)
Huurvoorraadverdeling Nederland 2011
30 35 40 45 50 55 60 65
1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011
Percentage (&%)
Verhouding Koop vs. Huur Nederland
Koop Huur
2.4 Huurvoorraad
Nederland telde op 1 januari 2011 7.217.803 woningen, daarvan is 59,7 procent koopwoning en 40,3 procent huurwoning, zie figuur 2.4 links. In 1985 was het aandeel huurwoning nog 57,4 procent en koopwoning 42,6 procent, en rond 1997 lag dit percentage ongeveer gelijk. Binnen de huurmarkt wordt onderscheid gemaakt tussen sociale huur een particuliere huur. In figuur 2.4 rechts is te zien dat in 2011 het aandeel sociale huurwoningen bijna 3,5 keer zo groot is als de particuliere sector.
Figuur 2.4 Links: Verhouding Koop versus Huur Nederland, Bron: Syswov, ABF Research (2012) Rechts:
Huurvoorraadverdeling Nederland 2011, Bron: Syswov, ABF Research (2012)
Figuur 2.5 links laat zien dat het aandeel eengezinswoningen nagenoeg gelijk is aan het aandeel meergezinswoningen. Hetzelfde geldt voor de sociale sector. Binnen de particuliere sector is bijna 60 procent een meergezinswoning. In figuur 2.5 rechts is te zien dat het aantal kamers binnen de sociale huursector voornamelijk uit woningen met drie kamers of minder bestaat.
Daarnaast zijn er relatief weinig woningen met vijf of meer kamers. Dit geldt zowel voor de sociale huur als de particuliere huur.
11
Figuur 2.5 Links: Huurvoorraad naar aantal kamers 2011 Bron: vastgoedmonitordemo ABF Research (2012) Rechts:
Verhouding Eengezinswoningen vs. Meergezinswoningen 2011, Bron: Vastgoedmonitordemo, ABF Research (2012)
Figuur 2.6 links laat de stijging van de netto huur van de zittende huurders zien per inkomensgroep. De huur voor de verschillende inkomensgroepen zijn vanaf 2003 tot 2009 geleidelijk gestegen. Echter de huren voor de lage inkomens zijn het minst gestegen.
Huishoudens die in 2003 van een sociale huurwoning door wilden stromen naar een particuliere huurwoning moesten rekening houden met een gemiddelde huurstijging van €87,-. In 2009 is dit verschil opgelopen tot €164,-. De huur in de sociale sector is minder hard gestegen dan de huur in de particuliere sector, zie figuur 2.6 rechts. De afstand, gekeken naar de huur, tussen de sociale sector en de particuliere sector is de afgelopen jaren toegenomen. Wat een negatief effect is voor de doorstroming van huishoudens op de huurmarkt.
Figuur: 2.6 Gemiddelde netto huur huidige huurders op jaarbasis. Bron: Vastgoedmonitordemo, ABF Research (2012)
Rechts: Gemiddelde netto huur huidige huurders op jaarbasis. Bron: Vastgoedmonitordemo, ABF Research (2012)
In figuur 2.4 rechts valt op dat driekwart van de sociale huurvoorraad uit sociale huurwoningen bestaat. Het is interessant om te kijken hoe deze sociale huurwoningvoorraad per prijsklasse is samengesteld. Figuur 2.7 laat zien hoe deze verdeling per prijsklasse verschilt per provincie. De figuur laat zien dat er per provincie grote verschillen zijn. Zo valt op dat Groningen en Friesland een groot percentage goedkope sociale huurwoningen hebben, en Flevoland een groot
0%
20%
40%
60%
80%
100%
Totale Huursector
Sociaal Particulier Huurvoorraad naar type woning
egw mgw
0%
20%
40%
60%
80%
100%
Totale Huursector
Sociaal Particulier Huurvoorraad naar aantal kamers
<3 kamers 4 kamers > 5 kamers
200 300 400 500 600
2003 2006 2009
Euro (p/maand)
Gemiddelde netto huur op jaarbasis
Laag inkomen Gemiddeld inkomen Hoog inkomen
0 200 400 600
2003 2006 2009
Euro (p/maand)
Gemiddelde netto huur op jaarbasis
Sociale Huurwoning Particuliere Huurwoning Gemiddelde Huurwoning
12 percentage duurdere sociale huurwoningen heeft. Dit laatste kan worden verklaard uit het feit dat in Flevoland de laatste jaren veel nieuwe huurwoningen bij zijn gebouwd. Deze sociale huurwoningen zijn relatief van hoge kwaliteit en dus ook van prijs (Vrom, 2010).
Figuur 2.7 huurwoningvoorraad per provincie naar prijsklasse, Bron: ministerie van WWI (2009)
2.5 Woningbehoefteontwikkeling
Nederland kent volgens de Primos-prognose van 2010 een kwantitatief huurwoningtekort.
Figuur 2.8 laat zien dat in alle geprognosticeerde jaren de woningvoorraad te kort schiet ten opzichte van de voorraad. Uit tabel 2.1 valt op te maken dat als voldaan wil worden aan de uitbreidingsbehoefte er in de periode 2010 tot 2020 580.000 huizen bijgebouwd moeten worden. Dat komt neer op 58.000 per jaar (ABF Research, 2012).
Figuur. 2.8 Woningvoorraad vs. woningvoorraad. Bron: Vastgoedmonitordemo, ABF Research (2011)
De toekomstige ontwikkeling van het woningtekort hangt af van de mate waarin de uitbreiding van de woningvoorraad voorziet in de groei van de woningbehoefte (ABF Research, 2011).
Door de huidige crisis op de woningmarkt zijn de verwachtingen op korte termijn, tot 2015, naar beneden bijgesteld. In de Primos-prognose (2011) wordt in de periode 2015-2020 geen inhaalslag verwacht van de achtergebleven woningproductie. Het woningtekort zal daardoor in de komende jaren toenemen, zie tabel 2.1. Een tekort op de woningmarkt is geen positieve ontwikkeling voor de doorstroming van huishoudens. De kanttekening dient gemaakt te worden
0%
20%
40%
60%
80%
100%
GR FR DR OV FL GE UT NH ZH ZE NB LB NL Provinciale huurniveaus sociale huur
< 375 351 t/m 475 > 475
6.500 7.000 7.500 8.000 8.500
2010 2015 2020 2025 2030
Aantal (x 1.000)
Prognose woningvoorraad vs.
woningvoorraad
Prognose woningvoorraad
Prognose gewenste woningvoorraad
13
0 50 100 150 200 250 300 350
1990 1994 1998 2002 2003 2006 2009
Aamtal (x 1.000)
Urgente vraag vs. Urgent aanbod
Urgente vraag Urgent aanbod dat het woningtekort zich moeilijk laat voorspellen. De cijfers geven alleen inzicht in geplande en gebouwde woningen, hierbij wordt geen rekening gehouden met het aantal onttrekkingen binnen de woningvoorraad.
Tabel 2.1 Het woningtekort 2006-2020 (aantal woningen * 1000 en in % van de woningvoorraad)
Jaar (per 1/1) Aantal woningen
2006 167 (2,4%)
2010 139 (1,9%)
2015 194 (2,5%)
2020 207 (2.6%)
Bron: Primos prognose 2011, ABF Research (2011)
De urgente vraag en aanbod van de afgelopen twintig jaar laat zien dat de vraag altijd groter is geweest dan het aanbod, zie figuur 2.9 rechts. De verschillen in urgente vraag en aanbod binnen de landsdelen laat zien dat het verschil in landsdeel ‘West’ het grootst is. Echter is er in elk landsdeel sprake van een hogere urgente vraag dan urgent aanbod, zie figuur 2.9 links
Figuur 2.9 Links: Urgente vraag vs. urgent aanbod naar landsdeel (woOn2009) Rechts: Urgente vraag vs.
urgent aanbod 1990-2009 (woOn2009), Bron: Vastgoedmonitordemo, ABF Research (2011) Urgente vraag: afgeleide van potentiële vraag. Criteria: men is voldoende actief, al een half jaar of langer op zoek en wil binnen een jaar een woning accepteren
Urgent aanbod: som van woningverlaters en doorstromers in WoOn2009 N.B. Nieuwbouwproductie wordt in deze grafieken niet meegenomen.
2.6 Verhuisplannen
Tussen het aantal huishoudens dat aangeeft verhuisplannen te hebben en het aandeel dat ook daadwerkelijk verhuisd, zit een groot verschil. In figuur 2.10 is te zien dat binnen elke leeftijdsgroep het aantal gerealiseerde verhuizingen altijd lager is dan de verhuisplannen van de huishoudens. De groep ‘80+’ is hierop een uitzondering, welke veroorzaakt wordt door gedwongen verhuizing in verband met gezondheidsomstandigheden. Voornamelijk in de leeftijdsgroep ‘onder de 24 jaar’ is het verschil aanzienlijk.
0 50 100 150 200 250 300
Noord Oost West Zuid Totaal
Aantal (x 1.000)
Urgente vraag vs. urgent aanbod per landsdeel 2009
Urgente vraag Urgent aanbod
14
Figuur 2.10 Verhuisplannen ten opzichte van gerealiseerde verhuizingen per leeftijdsgroep Nederland 2009 Bron:
WWI op basis van WoOn 2009 (2009).
Figuur 2.11 laat een specifieker beeld zien van de verhuisgeneigdheid naar levensfase en type huishouden. Het valt op dat veel jongeren ‘onder de 25’ en ‘25-44 met kinderen’ willen verhuizen. De groep ‘onder de 25’ laat zien dat een groot aandeel verhuisplannen heeft, iets meer dan een derde verhuisd ook daadwerkelijk. Waarschijnlijk omdat deze groep starters op de woningmarkt zijn en nog weinig financiële mogelijkheden hebben. Opvallend zijn de lage cijfers van verhuisgeneigdheid binnen de levensfasen ‘25-44’ en ‘45-65 zonder kinderen’.
Figuur 2.11 Verhuisgeneigden naar levensfase en huishoudtype 2009 Bron: WWI op basis van WoOn 2009 (2009).
2.7 Verhuisbewegingen
Uit de cijfers van tabel 2.2 blijkt dat het aantal verhuisbewegingen in de periode 1988 tot 2007 redelijk stabiel is gebleven, rond de 500.000 verhuisbewegingen per jaar. Een piek in verhuisbewegingen is op te merken in het jaar 1997. Tabel 2.2 laat ook zien dat (semi)starters in twee derde van de gevallen voor een huurhuis kiest in 2007. Het aantal doorstromers van huur naar huur had een piek in 1997 en na een lichte daling neemt het aantal verhuisbewegingen in 2007 weer toe naar 104.000. Het aantal doorstromers van koop naar huur is na de piek in 1997 weer op het niveau van voor 1997, zo rond de 24.000 verhuisbewegingen per jaar.
0 100 200 300 400 500
Aantal huishoudens (x 1.000)
Verhuisplannen tov gerealiseerde verhuizingen 2009
Verhuisplannen Verhuisd
500 100150 200250 300350 400450
Aantal huishoudens (x 1.000)
Verhuisgeneigden naar levensfase en huishoudtype 2009
15 Figuur 2.12 laat zien dat het aandeel beschikbaar gekomen woningen in de klasse huur middelduur en huur goedkoop de laatste 25 jaar sterk is gedaald. Van meer dan 40 procent in 1982 naar net boven 20 procent in 2008. Dit duidt erop dat huishoudens binnen de huursector in de categorie middelduur en goedkoop minder vaak doorstromen en langer in dezelfde woning blijven wonen. Het aantal beschikbaar gekomen koopwoningen is sterk gestegen de afgelopen dertig jaar.
Tabel 2.2 Verhuisbewegingen 1988 -2007 in Nederland (x 1.000)
1988 1992 1997 2001 2004 2007
Doorstromers van huur naar huur 120 119 157 99 97 104
van huur naar koop 74 74 98 63 71 65
van koop naar huur 23 23 51 38 24 24
van koop naar koop 55 56 103 116 103 120
(semi)starters naar huur 168 170 127 116 106 118
naar koop 50 51 46 46 49 59
Totaal 490 493 582 478 450 490
Bron: Cijfers over wonen, Ministerie van Binnenlandse Zaken (2010)
Figuur 2.12 Beschikbaar gekomen woningen (1982-2008) Bron: Cijfers over wonen, Ministerie van Binnenlandse Zaken (2010)
16 2.8 Interventies op de woningmarkt
In tabel 2.3 zijn de prijsgrenzen voor de huur van 2012 af te lezen, vastgesteld door het Ministerie van Binnenlandse Zaken en Koningsrelaties (BZK). Met betrekking tot de Europese Beschikking (EB) is de sociale huurgrens vastgesteld op €664,66. De inkomensgrens voor huishoudens die in aanmerking komen voor de sociale huursector is vastgesteld op €34.085. De grondslag van deze beslissing ligt in het feit dat door een hogere huurprijsgrens de corporaties meer ruimte hebben om noodzakelijke investeringen te kunnen doen. Het doel is om meer te investeren in comfort en energie.
Een andere maatregel is het wijzigen van het woningwaarderingsstelsel, waardoor ruimte gecreëerd wordt om een extra huurverhoging te vragen. Extra punten voor energie en woningen in krappe woningmarktgebieden mogen worden toegekend. Corporaties krijgen in de toekomst de mogelijkheid om zittende huurders met een te hoog inkomen, hoger dan €43.000, een jaarlijkse huurverhoging te vragen. Dit gaat om 5 procent extra huurverhoging bovenop de inflatie. Een andere eis die voortkomt uit de Europese Beschikking is dat corporaties voor minimaal 90 procent van de woningvoorraad moeten verhuren aan huishoudens tot de liberalisatiegrens van €34.085.
Tabel 2.3 Prijsgrenzen huur 2012
Prijs Sector
Goedkoop <€366,37 Sociale huursector
Middelduur €366,37 - €561,98 Sociale huursector
Duur € 561,98 - €664,66 Sociale huursector
Vrije huursector > € 664,66 Vrije huursector
Bron: SRE, 2011 Definities: Sociale sector: alle goedkope en middeldure huurwoningen + goedkope koopwoningen;
Vrije sector: alle dure huurwoningen + middeldure en dure koopwoningen
2.9 Stakeholders huurmarkt
Op nationaal niveau is het Ministerie van Binnenlandse Zaken en Koningsrelaties (BZK) het meest verantwoordelijk voor de woningmarkt in Nederland. Door middel van beleidsnota’s met betrekking tot wonen en ruimte heeft dit ministerie invloed op de huurmarkt. Het doel van de overheid met het woonbeleid is dat er voldoende betaalbare woningen beschikbaar zijn van een goede kwaliteit (Niehof, 2008).
Op provinciaal niveau is het ruimtelijk ordeningsbeleid een van de belangrijkste taken als het gaat om de woningmarkt. Hierin worden in grote lijnen de bouw van woningen bepaald, dit gebeurt door middel van streekplannen. Deze streekplannen moeten in één lijn zijn met de door de overheid opgelegde beleidsnota’s. De provincie moet er dan toezien dat gemeenten hun plannen binnen de kaders van de provincie houden. De gemeente is alleen verantwoordelijk voor de situatie van de woningmarkt binnen de eigen gemeente. De laatste jaren is steeds meer ruimte gekomen om eigen beslissingen te kunnen nemen betreffende dit onderwerp. In de nota Ruimte werd dan ook benadrukt dat meer ‘bottum up’ gewerkt kon worden en dat meer aan lagere overheden overgelaten moest worden op basis van het motto: ‘decentraal wat kan, centraal wat moet’. Gemeenten zijn verantwoordelijk voor de uitgifte van grond, het wijzigen of maken van bestemmingsplannen en het afgeven van verschillende vergunningen. In de toekomst wordt verwacht dat de rol van de gemeente meer zal groeien, aangezien de overheid de nadruk wil leggen op dat particulieren opdrachtgever worden.
17 2.10 Aanbieders
Zoals eerder al aangegeven in figuur 2.5 bestaat de huurwoningvoorraad voor bijna 80 procent uit sociale huurwoningen. Deze zijn voor een groot deel in handen van woningcorporaties. In totaal beheren deze corporaties circa 2,3 miljoen sociale huurwoningen. Ten opzichte van andere West-Europese landen is dit aandeel bijna twee keer zo groot (Niehof, 2008). Het aandeel particuliere huurwoningen is echter een erg klein aantal vergeleken met andere West- Europese landen. Daarom een kleine kenschets van de woningcorporaties in Nederland.
Tabel 2.4 Schets woningcorporaties 2011
Aantal woningcorporaties 401
Marktaandeel NL woningmarkt 31.5%
Marktaandeel NL huurwoningvooraad 85%
Gemiddelde kale maandhuur €422,-
Gemiddelde WOZ-waarde €154.854
Aandeel ‘goedkope’ huurwoningen < €361 23,2%
Aandeel ‘betaalbare’ huurwoningen €362 t/m €517 67,1%
Aandeel ‘dure’ huurwoning binnen huurtoeslaggrens €518 t/m €652 7,2%
Aandeel ‘dure’ huurwoning buiten huurtoeslaggrens > €653 2,4%
Bron: Aedes (2011)
18
H3 Theoretische achtergrond
In dit hoofdstuk wordt een theoretische achtergrond gegeven vanuit de bestaande wetenschappelijke literatuur. Over de verhuismobiliteit van huishoudens is al veel geschreven, de definitie voor verhuismobiliteit die in dit onderzoek gehanteerd wordt is het aanpassingsproces tussen vraag en aanbod op de woningmarkt van Hassink & van Leuvensteijn (2009). Om dit te kunnen duiden wordt naar de werking van een niet-gereguleerde woningmarkt beschreven.
Voor de invloed van de gecontroleerde huurmarkt op verhuismobiliteit wordt de ‘residential stability’ van Ault et al. (1994) beschreven. Hierin wordt op basis van individuele, buurt- en structurele karakteristieken de stabiliteit van wonen onderzocht. Deze determinanten van kwaliteit zullen meegenomen worden in de data analyse. De redenen van verhuizen wordt uitgelegd aan de hand van het ‘cost-benefit’ model en het ‘value-expectancy’ model.
3.1 Gereguleerde woningmarkt
In Nederland geldt een gereguleerde woningmarkt waar de overheid voor de sociale sector maximale huren heeft bepaald en ook maximale huurprijsverhogingen heeft vastgesteld. Als gevolg hiervan woont een deel van de huishoudens goedkoper dan ze eventueel zouden kunnen, het al in hoofdstuk 1 genoemde scheefwonen. Binnen de sociale sector kan niet de markthuur worden gevraagd voor de huurwoningen, er is een prijsplafond. Dit is te zien in figuur 3.1. Zonder woonbeleid zou een evenwicht p0=q0 ontstaan. Kanttekening is dat uit figuur 3.1 af kan worden geleid dat door de aanwezigheid van sociale huur de hoeveelheid van q0 naar q1 verplaatst. Dit is in de praktijk niet mogelijk aangezien alle huishoudens altijd ergens wonen, q0 kan geen q1 worden. Door het prijsplafond worden de huren kunstmatig laag gehouden op p1.
Hierdoor treedt er een bepaald welvaartsverlies op die af te lezen valt als de grijze driehoek. Het welvaartsverlies is de grijze driehoek en betreft het positieve verschil tussen de waardering door de consument (weergegeven door de dalende vraagcurve) en de kosten voor de producent (weergegeven door de stijgende aanbodcurve) van de marginale transacties tussen q0 en q1 die als gevolg van de impliciete belasting op verhuurders niet meer plaatsvinden (Besseling et al., 2008). De vraag is of de welvaartswinst van kwalitatief goed wonen van de relatieve arme huishoudens opweegt tegen het verlies van de meer welvarende huishoudens die belasting betalen.
Figuur 3.1 Markt voor gereguleerde huurwoningdiensten, Bron: Koninklijke Vereniging voor de Staathuishoudkunde (2008)
19 De gereguleerde woningmarkt heeft grote gevolgen voor vraag en aanbod binnen de huursector. Een lagere prijs kan een hogere vraag veroorzaken, daarbij kan het leiden tot minder aanbod. Conijn (2009) zegt dat verwacht mag worden dat de aanbodelasticiteit erg laag is binnen de huurwoningmarkt, aangezien de huursector voor meer dan driekwart sociale huur is, zie figuur 2.5 rechts. Er ontbreekt een prijsmechanisme om vraag en aanbod in evenwicht te brengen. Zittende huurders hebben een ‘rent-discount’ en blijven daardoor langer zitten. Dit blijkt ook uit onderzoek van Munch & Svarer (2002) die schrijven dat de verhuismobiliteit van huurders afneemt bij de aanwezigheid van ‘rent control’. Bij standaard huishouden neemt het huurverblijf toe met zes jaar als deze maximaal kunnen profiteren van ‘rent discounts’. Clark &
Heskin (1982) stellen dat middeninkomens geen specifiek voordeel halen uit ‘rent control’ maar dat juist lagere inkomensgroepen en oudere huishoudens profiteren van deze gecontroleerde huurmarkt.
3.2 Variabelen van invloed op verhuismobiliteit
Huishoudens binnen de gecontroleerde huurmarkt vallen, laten een lage verhuismobiliteit zien ten opzichte van inkomensgroepen die niet binnen de gecontroleerde huurmarkt vallen (Gyourko & Linneman, 1989; Ault et al., 1994; Basu, 2000). Ault et al. (1994) geven in hun artikel over ‘rent control’ een aantal factoren aan die van invloed zijn op de verhuismobiliteit van huishoudens. Individuele factoren, omgevingsfactoren en structurele karakteristieken.
Eén van de individuele variabelen is het inkomen, hoe hoger het inkomen hoe lager de kosten van een verhuizing als percentage van het inkomen. Daarnaast zeggen Mulder & Hooimeijer, (1999) dat naarmate het inkomen stijgt, het aanbod waaruit te kiezen valt toeneemt. Leeftijd van de kostwinner is een andere factor. Naarmate de kostwinner ouder wordt, wordt de periode korter waarover de voordelen van een verhuizing kunnen worden verdisconteerd. Als laatste wordt de factor afkomst meegenomen, er zal onderscheidt gemaakt worden tussen allochtoon en autochtoon.
De omgevingsfactor is de locatie waar de respondent woont en waar deze naar toe wil verhuizen. Deze zoektocht naar een nieuwe woonlocatie wordt ook wel ‘search space’
genoemd. Deze ruimte blijkt relatief klein en wordt voornamelijk bepaald door plekken die bekend zijn bij het individu (Wiseman & Roseman, 1979). Van de verhuismobiliteit vindt ongeveer 70 procent plaats binnen dezelfde gemeente (Everaers & Davis, 1993). De precieze woningmarktsituatie van deze huishoudens verschilt per stad of regio (Konter & van den Booren, 1988; Van Kempen et al. 1990). Basu (2000); Boheim & Taylor (2002) en Van Ommeren
& Van Leuvensteijn (2005) beschrijven dat veranderingen van inkomen en regionale huizenprijzen mogelijk leiden tot een toename in verhuismobiliteit. Fang (2006) beschrijft dat de combinatie van beperkte economische mogelijkheden en een gebrek aan keuzes op de woningmarkt het voor mensen moeilijk maakt om ook daadwerkelijk te verhuizen, ook al is er wel de intentie. De factoren van de structurele karakteristieken die in dit onderzoek mee worden genomen zijn het type woning, aanwezigheid van een tuin en het woonoppervlak in m².
Van Ommeren en Koopmans (2011) nemen naast bovenstaande factoren het aantal kamers, het prijsniveau en het bouwjaar van de woning mee in hun analyse.
20 Over de redenen dat mensen daadwerkelijk gaan verhuizen bestaan verschillende modellen. Zo is er het ‘cost-benefit’-model wat aansluit op Mulder & Hooimeijer (1999). Het ‘cost-benefit’
model zegt dat mensen overgaan tot verhuizen wanneer het verschil tussen de geldelijke en niet-geldelijke opbrengsten van de huidige woonsituatie en de alternatieve woonsituatie, kleiner is dan de geldelijke en niet-geldelijke kosten van de verhuizing (Sjaastad, 1962). Door de maatregelen van de overheid zullen de kosten voor een huurwoning in de huidige situatie toenemen. Waardoor bij huurders er een situatie ontstaat dat het ‘cost-benefit’ model in werking zal treden. Kanttekening is dat in dit onderzoek alleen de huurdersmarkt mee wordt genomen en dat geen opbrengsten uit de verkoop van een woning worden gegenereerd. Het
‘value-expectancy’-model stelt de kans dat de daadwerkelijke verhuizing plaatsvindt, afhangt van de verwachting van het individu. Het gaat hierbij om de verwachting dat de ‘problemen’ die de behoefte aan verhuizing hebben doen ontstaan, opgelost worden door een verhuizing (De Jong & Fawcett, 1981).In formulevorm ziet dit er als volt uit:
(1.) Mᵼ ∑ ᵼVᵼ
Mᵼ = sterkte van verhuisintentie n = aantal doelen/consequenties
Eᵼ = verwachting dat verhuizing tot het doel zal leiden Vᵼ = waarde die gehecht wordt aan het behalen van het doel
Uit model (1) valt op te maken wat de waarde is die iemand aan het doel toekent per verhuisdoel en de verwachting van de persoon dat het doel bereikt wordt bij een verhuizing.
Door alle factoren te vermenigvuldigen en per verhuisdoel de resultaten op te tellen kan een uitspraak gedaan worden over de sterkte van de verhuisintentie (De Jong & Fawcett, 1981).
Uiteindelijk wordt de verhuismobiliteit wel of niet uitgevoerd. Er wordt een beslissing gemaakt op basis van de bovengenoemde afwegingen. Het willen verhuizen is nog geen zekerheid dat de persoon ook daadwerkelijk gaat verhuizen. Geconcludeerd kan worden dat er geen beter alternatief is of dat de huidige woonsituatie aangepast is aan de gewenste woonsituatie (Fokkema, 1996). Als dit het geval is zal ondanks de eerdere verhuiswens niet over worden gegaan tot verhuizen.
21 3.3 Hypothesen
Naar aanleiding van de theorie die vanuit de literatuur gevonden is, zijn een drietal hypothesen opgesteld.
De eerste hypothese moet antwoord geven of de overheidsmaatregelen ook effect hebben. De hypothese laat zien of lage middeninkomens een lagere verhuismobiliteit laten zien ten opzichte van de andere inkomensgroepen. De andere inkomensgroepen worden gedefinieerd als ‘tot
€34.085’ en van ‘€43.000 tot €62.000’. De inkomensgroep ‘tot €34.085’ is de lage inkomensgroep. De inkomensgroep ‘€43.000 tot €62.000’ zijn de hoge middeninkomens. Deze inkomensgroepen zijn gekozen aangezien deze inkomensgroepen veel voorkomen binnen de huursector, en in de buurt liggen van het inkomen van lage middeninkomens.
De tweede hypothese bepaalt of er verschillen zijn tussen de verschillende landsdelen in Nederland. De verschillende landsdelen zijn Noord, Zuid, Oost en West.
De derde hypothese bepaalt of er een verschil is in verhuismobiliteit tussen de verschillende opleidingsniveaus van de respondenten. De verschillende opleidingsniveaus zijn ‘geen opleiding,
‘laag opgeleid’, ‘midden opgeleid’ en ‘hoog opgeleid’.
De hypothesen luiden dan als volgt:
1. De verhuismobiliteit van huurders met een inkomen van €34.085 tot €43.000 is gelijk aan die van andere inkomensgroepen.
2. De verhuismobiliteit van huurders die wonen in landsdeel ‘West’ is gelijk aan die van andere landsdelen van Nederland.
3. De verhuismobiliteit van respondenten met een hoge opleiding (HBO, WO) is gelijk aan die van andere opleidingsniveaus.
22
H4 Operationaliseren data
In dit hoofdstuk wordt beschreven welke dataset gebruikt wordt. En welke kwantitatieve analyse gebruikt wordt om een mogelijk verband aan te tonen tussen de verhuismobiliteit en de determinanten van kwaliteit. Als eerste wordt de methode besproken die gebruikt wordt om een mogelijk verband aan te tonen. Als tweede zal de gebruikte data besproken worden en als derde wordt besproken welke kwantitatieve methode gebruikt wordt om de verhuiswens aan te tonen. Als derde zal de operationalisering van de gekozen variabelen van determinanten van kwaliteit die in H3 aan de orde geweest is. En als laatste wordt het empirisch model beschreven.
4.1 Data operationalisering
Voor dit onderzoek wordt het databestand WoonOnderzoek Nederland 2009 gebruikt – afgekort: WoOn2009. WoOn is een driejaarlijks terugkerend onderzoek dat, in de woOn2009- versie, ca. 78.000 respondenten telde (ABF research, 2010). De gebruikte dataset bevatte, voor enige aanpassingen, 848 variabelen met betrekking op de vorige, huidige en huisvestingssituatie van personen en huishoudens (ABF research, 2010).
Van de originele dataset van 78.071 cases wordt op basis van de variabele huur of koop (‘huko’) gefilterd op huur. De respondenten die ‘koop’ aan hebben gegeven worden verwijderd, waardoor 29.844 cases over blijven die huren. Na het trimmen en filteren van de afhankelijke en onafhankelijke variabelen blijven 27.246 cases over. Waarbij de continue onafhankelijke variabelen op basis van de ‘Schweinle Method’ aangepast zijn. Als laatste zijn modellen samengesteld op basis van bruto huishoudinkomen, hierdoor blijven 24.041 cases over. De zogenaamde ‘sample size versus power’ komt niet in het geding, aangezien voldoende cases overblijven om te spreken van representativiteit. De variabelen uit WoOn2009 van ‘huurmnd’,
‘huurp’ en ‘opptbin’ zijn getransformeerd naar een Log functie. Van het huishoudinkomen en
‘bjaar’ zijn de waarden door duizend gedeeld, als gevolg dat de parameters beter af zijn te lezen.
Om uitspraken te kunnen doen over de lage middeninkomensgroep worden drie modellen aangemaakt. Model 1 zijn huishoudens in de huursector met een inkomen tot €34.068. Model 2 zijn huishoudens van €34.068 tot €43.000 en model 3 zijn huishoudens met een inkomen van
€43.000 tot €62.000. Overzicht van de percentages en aantallen zijn af te lezen in tabel 4.1. Het gemiddelde bruto huishoudinkomen voor de totale dataset is €25.905, dat verklaart het hoge percentage respondenten binnen model 1. Het gemiddelde bruto huishoudinkomen voor model 1 komt uit op €19.396, voor model 2 is het gemiddelde €38.126 en voor model 3 ligt het gemiddelde op €51.024.
4.2 Afhankelijke variabele
Om een logistische regressie-analyse uit te kunnen voeren, wordt de nominale variabele verhuiswens omgevormd tot een binaire variabele, deze variabele kan alleen de waarden ‘0’ of
‘1’ aannemen. Van de oorspronkelijke zes categorieën van de variabele verhuiswens is de categorie ‘weet niet’ en ‘heb reeds andere huisvesting gevonden’ toegevoegd aan de categorie
‘beslist niet’. De variabelen ‘eventueel wel’, ‘zou wel willen, kan niks vinden’ zijn toegevoegd aan de categorie ‘beslist wel’. Er blijven twee categorieën over namelijk: ‘beslist niet’ en ‘beslist wel’. Door alle keuzemogelijkheden onder te brengen gaan er geen cases verloren. Het verlies aan informatie blijft beperkt aangezien per inkomensgroep de verschillende klassen van
23 verhuisgeneigdheid dezelfde verhoudingen laten zien binnen de variabele verhuiswens, zie tabel 4.1.
Tabel 4.1 Verdeling verhuiswens per inkomensgroep in procenten
Model 1 Model 2 Model 3
Beslist niet 64,8 56,9 51,7
Eventueel wel 14,1 18,7 19,3
Zou wel willen, kan niets vinden
4,2 4,3 4,1
Beslist wel 14,3 17,2 18,8
Heb reeds andere huisvesting gevonden
1,3 1,5 4,3
Weet niet 1,3 1,3 1,8
Totaal 100,0 100,0 100,0
Bron: Eigen bewerking van WoOn2009
4.3 Onafhankelijke variabelen
De onafhankelijk variabelen die getoetst worden in de logistische regressieanalyse hebben betrekking op de determinanten van kwaliteit, namelijk: woningkarakteristieken, huishoudeigenschappen en omgevingsfactoren.
Bij de woningkarakteristieken wordt de kwaliteit van de woning meegenomen, aangezien onderzoek wordt gedaan naar de mobiliteit van de huishoudens (Koopman & van Ommeren, 2011). Op basis van de variabele ‘huurpunten’, zal deze woningkarakteristiek meegenomen worden. Een dummy van de huur per maand wordt aangemaakt met de liberalisatiegrens in 2009 van €647,- als grens. Met als doel om het verschil van verhuiswens aan te kunnen tonen van huishoudens die onder deze grens zitten ten opzichte van huishoudens die erboven zitten.
Overige variabelen onder woningkarakteristieken vallen zijn: de vorm van de woning, één- of meergezinswoning, oppervlakte van het huurhuis, het aantal kamers, bouwjaar, wel of niet een tuin, wel of niet een balkon en wel of niet een garage/carport.
Bij huishoudenseigenschappen wordt de variabele hoofd van het huishouden meegenomen. De gemiddelde leeftijd van het hoofd van het huishouden ligt in de huursector boven de vijftig. Het merendeel van de woningen in de huurmarkt wordt gehuurd door huishoudens op leeftijd (Van Ommeren & Koopman, 2011). Daarnaast wordt onderscheid gemaakt tussen de etniciteit van de respondent, allochtoon of autochtoon. Het type huishouden is een huishoudeigenschap bestaande uit vijf categorieën. Namelijk, eenpersoonshuishoudens, alleenstaande volwassene met kinderen, paar, paar met kinderen, en een rest categorie, bijvoorbeeld meer dan twee volwassenen. Van deze variabele zal een dummy aan worden gemaakt met de categorie ‘paar’
als referentiecategorie.
Opleidingsniveau wordt meegenomen als een dummyvariabele, verdeeld naar vier klassen:
Geen opleiding, Laag opgeleid (“Lagere school, incl. speciaal onderwijs”, “LBO”), Midden opgeleid (“Vmbo”, “Havo”, ”Vwo”, ”Mbo” ) en Hoog opgeleid (“Hbo”, “Wo”). De dummy Hoog opgeleid wordt als referentiecategorie genomen.
24 De omgevingseigenschappen bestaan uit landsdeel, namelijk ‘Noord, ‘Zuid’, ’Oost’, en ‘West’.
Landsdeel ‘West’ wordt als referentiecategorie gebruikt. Daarnaast is het woonmilieu toegevoegd, het gaat hier om de categorieën: ‘buiten centrum’, ‘groen-stedelijk’, ‘centrum- dorps’ en ‘landelijk wonen’. De categorie ‘centrum-stedelijk’ wordt gebruikt als referentiecategorie. Als laatste zijn de vier grote steden (G4) plus de overige gemeenten toegevoegd, Amsterdam wordt als onderdeel van de G4 als referentiecategorie gebruik. Een overzicht van alle variabelen is te zien in tabel 4.2 met een korte omschrijving van elke variabele.
25
Tabel 4.2: Beschrijving variabelen en modellen
Afhankelijke Variabele Omschrijving Mean Std. Dev. Min. Max.
Verhuiswens_ja_nee Wilt u binnen twee jaar verhuizen? ,30 ,460 0 1
Woningkarakteristieken
LogHuur Brutohuur per maand huidige woning 6,036 0,303 3 6,81
Dummyhuur645 Liberalisatiegrens huur 2009 0,0552 0,22829 0 1
LogHuurpunten WWS huurpunten 4,890 0,208 4,2 5,34
Vorm Een- of meergezins huidige woning ,61 ,487 0 1
LogOppervlakte Totale woonoppervlakte 10,005 0,638 1,10 11,03
Kamers Aantal kamers 3,50 1,019 1 10
Bouwjaar Bouwjaar 1,967 0,023 1,888 2,009
Tuin1 Buitenruimte tuin (ja/nee) ,46 ,498 0 1
Balkon1 Balkon of dakterras (ja/nee) ,48 ,500 0 1
Garcarp Garage of carport (ja/nee) ,07 ,262 0 1
Huishoudeigenschappen
Lftop Leeftijd hoofd huishouden 54,30 18,587 18 97
Etniop Allochtoon/Autochtoon ,26 ,436 0 1
Huishoudinkomen Belastbaar inkomen huishouden 25,905 13,397 0 61,99
Dummysamhhalleenstaand Samenstelling Huishouden ,4834 ,49973 0 1
Dummysamhhpaar* ,2629 ,44020 0 1
Dummysamhhpaar_kinderen ,1228 ,32827 0 1
Dummysamhheenoudergezin ,1041 ,30546 0 1
Dummysamhhniet_gezin ,0268 ,16142 0 1
Dummy_geen_opleiding Niveau voltooide opleiding ,0333 ,17944 0 1
Dummy_laag_opgeleid ,3474 ,47614 0 1
Dummy_midden_opgeleid ,4551 ,49799 0 1
Dummy_hoog_opgeleid* ,1642 ,37049 0 1
Omgevingseigenschappen
Dummy_ldl_Noord Landsdeel ,0531 ,22429 0 1
Dummy_ldl_Oost ,1959 ,39692 0 1
Dummy_ldl_West* ,6488 ,47734 0 1
Dummy_ldl_Zuid ,1021 ,30281 0 1
Dummy_centrum_stedelijk* Huidig woonmilieu op buurtniveau ,0712 ,25711 0 1
Dummy_buiten_centrum ,6426 ,47924 0 1
Dummy_groen_stedelijk ,0948 ,29299 0 1
Dummy_landelijk_wonen ,0298 ,16990 0 1
Dummy_centrum_dorps ,1616 ,36811 0 1
Dummy_Adam* G4 (de vier grote gemeenten+overig) ,0719 ,25828 0 1
Dummy_DenHaag ,0821 ,27445 0 1
Dummy_Rdam ,0574 ,23259 0 1
Dummy_Utrecht ,0253 ,15698 0 1
Dummy_Overig ,7634 ,42500 0 1
Model Procent
1. Laag inkomen 74.7
2. Midden inkomen 11.9
3. Hoog inkomen 13.4
Total 100.0
Valid N = 24.041
*Wordt als referentiecategorie gebruikt en niet meegenomen in logistische regressie Bron: Eigen bewerking van WoOn2009
26 4.4 Empirisch model
De verhuismobiliteit van de lage middeninkomens wordt op basis van een logistische regressieanalyse onderzocht, met ‘verhuiswens’ als afhankelijke variabele. De verhuiswens is een ‘stated preference’ en is gebaseerd op de weergave van een persoon van gezamenlijke invloed van voorkeuren, marktomstandigheden en beschikbaarheid (Timmermans, 1994). De verhuismobiliteit wordt gezien als het aanpassingsproces tussen vraag en aanbod (Hassink & van Leuvensteijn, 2009). Voor de logistische regressieanalyse worden verschillende dummyvariabelen gemaakt waarmee aangetoond wordt of deze een positieve of negatieve invloed hebben op de verhuismobiliteit van huishoudens.
De logistische regressie beschrijft de kans dat dat een respondent wil verhuizen ten opzichte van de kans dat de respondent niet wil verhuizen. De waarden die hieruit voortkomen wordt de
‘odds-ratio’ genoemd. In het model wordt per afhankelijke variabele aangegeven wat de invloed van deze variabele op de ‘odds-ratio’ is. Hierbij is de invloed gecorrigeerd met de invloed van de andere variabelen die meegenomen worden in het model. Wanneer de ‘odds-ratio’ groter is dan 0.5, wordt voorspeld dat de variabele een positieve invloed heeft op de verhuiswens.
De formule voor de logistische regressie ziet er als volgt uit.
(2.)
β₀ β X β X ⋯ βⁿXⁿ
In bovenstaande formule (2) van logistische regressie, dragen positieve regressiecoëfficiënten positief bij aan de kans dat de respondent verhuist. Negatieve regressiecoëfficiënten dragen negatief bij aan de kans dat respondent verhuist. De veranderingen in de odd-ratio worden verklaard door de logaritme van de regressiecoëfficiënten. Een logaritme wordt genomen van de geschatte parameter omdat het model niet lineair is. De natuurlijke logaritme is de logaritme met als grondgetal e (e=2,71828…): 'elog' of 'ln'. Wanneer de antilog van de coëfficiënten bepaald wordt, kan beter worden gezien wat de invloed van een variabele Xⁿ is op de odd-ratio.
Bij een positieve coëfficiënt zal de antilog groter zijn dan 1 en draagt de variabele positief bij aan de odd-ratio. Bij een negatieve coëfficiënt zal de antilog kleiner zijn dan 1 en negatief bijdragen aan de odd-ratio. Een coëfficiënt van nul zal een antilog van 1 hebben en dan heeft de variabele geen invloed op de odd-ratio (Hair et al., 2010).
De keuze van een logistische regressie komt voort uit de opgestelde hypothese waarbij de binaire variabele, wel of niet verhuizen, onder invloed staat van meerdere onafhankelijke variabelen. Dit sluit goed aan op het model van logistische regressie. Het verschil met een meervoudige regressieanalyse is dat de afhankelijke variabele niet symmetrisch verdeeld is en dat er geen constante variantie is in de epsilon, ook wel homoscedasticiteit genoemd (Norusis, 2009). Daarbij vereist logistische regressie een andere schattingsmethode en andere aannames over de aard van de onderliggende spreiding.
Er wordt bij drie afzonderlijke modellen getoetst op de Chi²-toets (Chi-Square), deze toets laat zien of het model dat is geschat goed bij de data past. De Chi²-toets vergelijkt de aannemelijkheidratio van het geschatte model, de -2 Log Likelihood met de aannemelijkheidsratio van een model met alleen maar een constante, de Log Likelihood Function. Is de uitkomst van deze Chi²-toets significant, dan mag ervanuit worden gegaan dat de
27 gekozen variabelen beter bij de data past dan een model zonder deze variabelen (Norušis, 2009).
Logistische regressie geeft geen proportie verklaarde variantie R², omdat bij een binaire afhankelijke variabele niet valt te spreken van variantie. Daarom wordt de pseudo R²-maat Nagelkerke R² gebruikt, omdat deze te vergelijken is met de R² uit een lineaire regressieanalyse.
De Nagelkerke R² neemt een waarde aan tussen 0 en 1 en laat zien in welke mate het geformuleerde model de uitkomst van de afhankelijke variabele voorspelt. De Wald-toets wordt gebruikt om de statistische significantie van elke geschatte coëfficiënt te berekenen. Op deze manier kan de hypothese gesteld in hoofdstuk 3 getest worden.
